자연 환경에서 감귤 나무의 성숙도 구분 어려움, 잎과 과실의 심한 가림, 모델 복잡성 증가 및 자원 배치 제한 등 문제를 해결하기 위해, 본 논문에서는 개선된 YOLOv11 기반의 경량화된 나무 위 감귤 성숙도 검출 알고리즘 YOLO-HiP을 제안한다. 우선, 개선된 HGNetv2-L 네트워크를 백본으로 사용하고 계층적 특징 추출 전략을 결합하여 복잡한 장면에서 모델의 해석 능력을 크게 향상시키고 계산 복잡도와 자원 소모를 효과적으로 줄였다. 다음으로, C2PSA 메커니즘과 iRMB 모듈을 융합한 경량 하이브리드 주의 모듈 C2PSA_iRMB를 설계하여 계산 비용을 최적화하고 장거리 정보 처리 능력을 강화하여 모듈의 유연성과 계산 효율을 향상시켰다. 마지막으로 중복 계산과 메모리 접근을 줄여 공간 특징 추출 효율을 높인 C3k2_PConv 모듈을 구축하였다. 실험 결과 YOLO-HiP는 mAP₅₀ 94.3%를 달성하여 기존 모델 대비 4.7% 향상되었으며, 파라미터 수는 5.1M에 불과해 45.7% 감소, 연산량은 13.9 GFLOPs로 34.7% 줄였고, 프레임 속도는 227.4fps로 25.1% 증가하였다. 본 모델은 검출 정확도를 보장하면서 모델 크기를 크게 압축하여 감귤 수확 로봇 등 임베디드 시스템 자원이 제한된 플랫폼에 혁신적이고 실현 가능한 솔루션을 제공한다.

감귤;성숙도;YOLOv11;경량;객체 검출